基于單目視覺(jué)的顆粒粒度現(xiàn)場(chǎng)檢測(cè)技術(shù)研究.pdf

1、顆粒粒度大小對(duì)于許多工業(yè)產(chǎn)品的質(zhì)量和性能有著非常重要的影響,基于圖像處理的顆粒粒度檢測(cè)技術(shù),因其具有安全、快速、非接觸測(cè)量等諸多優(yōu)勢(shì),成為目前顆粒粒度檢測(cè)技術(shù)的發(fā)展趨勢(shì)。目前大部分的圖像法顆粒粒度測(cè)量針對(duì)的是圓形顆粒,而對(duì)其他形狀的顆粒粒度測(cè)量研究較少。針對(duì)課題中片狀顆粒對(duì)象,其待測(cè)粒度為顆粒厚度,本文設(shè)計(jì)搭建了一個(gè)測(cè)量平臺(tái)機(jī)構(gòu),使用單目攝像機(jī)從側(cè)面拍攝的方法,建立了現(xiàn)場(chǎng)顆粒圖像測(cè)量硬件平臺(tái),并在圖像算法研究的基礎(chǔ)上完成了圖像測(cè)量系統(tǒng)軟

2、件,實(shí)現(xiàn)了一個(gè)現(xiàn)場(chǎng)顆粒粒度圖像測(cè)量系統(tǒng)。該系統(tǒng)減少了傳統(tǒng)測(cè)量方法的樣品制備過(guò)程,提高了測(cè)量效率,可使用于現(xiàn)場(chǎng)環(huán)境下顆粒粒度測(cè)量。
　　 本文論述了片狀顆粒粒度圖像檢測(cè)的原理與技術(shù),主要研究了圖像分割、基于形態(tài)學(xué)的粘連分離、顆粒識(shí)別等圖像處理算法。
　　 圖像分割是本文的一個(gè)重點(diǎn)研究?jī)?nèi)容,本文首先比較了Canny邊緣檢測(cè)方法、Otsu閾值分割方法、K-均值聚類分割和均值漂移(Mean Shift)圖像分割方法在本文顆粒圖像

3、分割中的應(yīng)用,其中均值漂移分割算法分割效果明顯優(yōu)于其他算法,但高分辨率情況下耗時(shí)較多,針對(duì)此問(wèn)題,本文采用均值漂移結(jié)合圖像金子塔的方法,提高了圖像分割的計(jì)算效率,使得分割算法滿足現(xiàn)場(chǎng)測(cè)量的實(shí)時(shí)性要求。
　　 顆粒圖像檢測(cè)的一個(gè)特點(diǎn)是圖片中常有顆粒粘連的情況,本文的另一個(gè)重點(diǎn)研究?jī)?nèi)容是粘連顆粒的分離算法。本文研究了基于形態(tài)學(xué)的粘連顆粒分離算法,在傳統(tǒng)形態(tài)學(xué)分離方法的基礎(chǔ)上提出了一種基于特征模糊推理的形態(tài)學(xué)粘連顆粒分離方法,現(xiàn)場(chǎng)實(shí)驗(yàn)